两万一千人调研 AI搜索影响力是传统搜索的3.2倍
2026-11-06博晓通

两万一千人调研 AI搜索影响力是传统搜索的3.2倍

两万一千人调研 AI搜索影响力是传统搜索的3.2倍 文章配图

截至 11 月 5 日的公开信息,两份调研把同一件事说得比较清楚:一份覆盖 21000 名消费者的报告显示,全球 AI 用户认为 AI 搜索工具"最具影响力"的可能性是传统搜索引擎的 3.2 倍、是亲友推荐的 2.6 倍;国内一份消费意愿调查则给出 79.4% 的用户在下单前会先用 AI 咨询比价,AI 对购物决策的影响力首次超过传统媒体广告。对品牌与市场团队来说,这不是又多了一个渠道,而是影响力排序被重排了一次,预算与考核的坐标系需要跟着动。

影响力排序被改写的几个数字

已知事实未证实需要核实
21000 名消费者调研显示 AI 搜索影响力是传统搜索的 3.2 倍、亲友推荐的 2.6 倍该倍数在低线城市与高龄人群中是否成立本品牌核心人群的复现样本
最近一次购买的最大影响因素中,AI 对话或搜索工具以 29% 居首29% 中包含多少仅咨询未成交的情形分品类的咨询到成交转化率
79.4% 用户下单前会先用 AI 咨询比价,AI 影响力首超传统广告调研口径与样本框的公开细节同口径历史数据以判断趋势真伪
淘宝千问 AI 购物助手 C 端月活突破 3 亿,京东京言购物咨询活跃用户近 8000 万这些月活中有多少产生购物类提问平台侧的品类分布数据

把 29%、12%、11%、10% 这一组数放在一起看,变化就很具体了。在"最近一次购买的最大影响因素"这一题上,AI 对话或搜索工具以 29% 排第一,超过评测网站 12%、零售平台 11%、亲友推荐 10%、零售商自有 AI 助手 10%、传统搜索引擎 9%。值得注意的是独立 AI 工具与零售商自有助手的差距:前者在需求形成与筛选阶段领先,后者在结账环节反超。这解释了为什么平台一边做自有导购,一边又要防着外部代理。

消费者把研究与评估外包出去了

驱动这件事的核心词是省力。81% 的受访者认为 AI 善于缩小与过滤选项,80% 认为减少了滚动与点击,79% 认为显著节省时间;此外还有理解我在找什么 77%、让购物更省力 75%、发现新品牌或新品 75%。这组数字的含义是,消费者主动把"研究"和"评估"这两块最耗神的认知劳动交给了 AI。一旦形成习惯就很难退回,近四分之一的 AI 用户已经每天使用,约十分之一每天使用三个及以上工具。习惯一旦固化,入口就固定了。

企业侧的四道鸿沟

需求侧点火很快,供给侧跟进很慢,中间隔着几道具体的坎。第一道是数据:商品参数散落在不同系统,口径不统一,AI 想引用也找不到可信版本。第二道是内容:品牌内容多为营销语言,缺少可被抽取的结构化事实。第三道是组织:市场部管传播、电商部管商品页、客服部管话术,没有人为"AI 眼里的品牌"负责。第四道是考核:现有指标算曝光、算点击、算转化,没有一项对应答案里的出场率。这四道坎的共同点,是没有人为 AI回答 里的表述负责。可以先立一个小闭环:建问题库、按周监测、把竞品对比的结果一起看,再据此决定是补内容还是补信源。这套动作就是常说的 GEO。

零售商自有助手与独立工具的分工

两类工具的关系不是替代,而是沿决策旅程分工。独立 AI 工具从需求拆解开始介入,一直管到候选清单成型;零售商自有助手的优势在商品库与库存,到了比价和结账环节反超。这意味着品牌在两类工具上的投入不能平均:独立工具侧靠公开信源与结构化内容争出场,自有助手侧靠商品字段完整度与评论质量争位置。把两边混着做,通常两边都不讨好。

决策阶段主导工具品牌可控的关键项可观测指标
需求形成独立 AI 搜索与对话工具品类问题的内容覆盖、场景词布局品类问题集提及率
候选筛选独立 AI 工具与评测内容对比类内容的可抽取程度、第三方评测密度前三占比、竞品同现率
比价与结账零售商自有 AI 助手商品字段完整度、库存与价格同步、评论质量商详页字段完整率、加购转化

为什么渠道预算仍然按老口径分

调研给出的另一个方向性判断是,智能体商务的广泛应用到 2030 年可能使美国电商销售额较基准预测额外提升 11.5%。这个数字对当下决策的用处有限,但它说明资本市场的预期已经迁移。反观多数品牌的预算表,投放科目还是搜索、信息流、内容种草三块,没有"AI 答案可见度"这一栏。科目不存在,就没有人对结果负责,动作也就停在试点。真正需要改的是科目与验收,而不是再多做几篇稿。

可行的过渡办法是把 AI 可见度挂到已有的内容或搜索预算下,作为附加验收项。具体做法是:从现有预算里划出一小块,专用于结构化内容与信源补齐;同时把提及率、前三占比、事实正确率写进季度复盘。指标先粗后细,但必须一开始就存在。等数据积累两个季度,再谈是否单列预算。这样既不打破现有体系,又能让动作有落点,不至于每年都停在"要不要做"的讨论上。

  1. 确定监测平台清单:按目标人群使用习惯选 3 到 5 个 AI 平台,写清版本与地区。
  2. 建问题集:品牌词、品类词、场景词、对比词四类,每类不少于 8 个问题。
  3. 跑基线:同一批问题在同一时间窗内跑完,记录提及、位置、描述准确性。
  4. 挂预算科目:在内容或搜索预算下设 AI 可见度子项,额度先小,按季度评估。
  5. 写进复盘:季度复盘固定三页,分别是基线对比、问题集缺口、下季动作。
字段名字段含义真实示例值
平台监测的 AI 产品名称豆包
问题编号问题集中的固定标识Q-对比-07
提问原文不改写、不加品牌名的问题一千元以内买什么咖啡机
提及结果是否出现本品牌未提及
位置出现时的排序位次第 2 位
描述准确性描述与官方口径是否一致价格过期,其余一致

常见问题

  • 调研说 AI 影响力超过传统广告,是不是可以削减广告预算?

    不建议直接削。调研测的是决策权重,不等于投放的边际回报。广告仍承担建立初始认知与触发需求的作用,AI 更多影响需求形成后的选择。保持广告基本盘,把增量预算放到结构化内容与信源建设上更稳妥。

  • 小品牌没有预算做全平台监测,从哪里开始?

    从一个平台、一组问题开始。选目标人群最常用的 AI 产品,围绕最想赢的品类问题写 10 个提问,每周跑一次并记录三项结果。连续 8 周即可判断是内容缺口还是信源缺口,再扩平台。

  • 监测结果波动很大,怎么判断是真变化还是平台波动?

    设对照组。保留一组不做任何优化的问题或平台,同期一起跑。若对照组同向波动,说明是平台整体变化;若只有实验组变化,才是动作生效。另外固定问题集与提问方式,避免因措辞不同导致结果不可比。

数据来源

本文引用的调研数据与平台侧数字,分别来自下列三个公开来源。两万一千人消费者调研由营销科技媒体发布,国内消费意愿数据来自联商网的行业观察,平台导购应用与 AI 硬件信息来自澎湃新闻。三份材料的样本与口径并不相同,文中已分别标注,读者横向比较时需注意这一点。